粒子群神经网络的水轮发电机故障诊断研究

摘要：

研究水轮发电机故障准确诊断问题,水轮发电机一种复杂、非线性系统,故障产生原因具有多样性和不确性,传统神经网络存在收敛速度慢、易陷入局极小等缺陷,导致故障诊断精度低.为提高水轮发电机故障诊断精度率,提出一种粒子群(PSO)算法和BPNN(BPNN)相结合的水轮发电机故障诊断模型(PSO-BPNN).首先将水轮发电机故障信息输入BPNN进行学习,并利用PSO对BPNN参数进行选择,最后对建立故障诊断模型进行验证性测试,结果表明,PSO-BPNN克服了传统方法不足,提高了水电机故障诊断准确率,具有很好的应用价值.

关键词：水轮发电机、故障诊断、粒子群算法、神经网络

所属期刊栏目：29

分类号：TM312;TP18(电机)

在线出版日期：2012-10-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：343-346